Python 基于邻居值查找元素

我想知道是否有一种有效的方法来查找Numpy数组中特定值旁边的元素索引

如何在数组a中找到所有等于1且紧挨着0的元素的索引？没有循环检查每个元素的8个包围元素的值

       A = [[ 0.,  0.,  0.,  0.,  0.,  0.],
           [ 0.,  1.,  1.,  1.,  1.,  0.],
           [ 0.,  1.,  1.,  1.,  1.,  0.],
           [ 0.,  1.,  1.,  1.,  1.,  0.],
           [ 0.,  1.,  1.,  1.,  1.,  0.],
           [ 0.,  0.,  0.,  0.,  0.,  0.]]

我希望从这样的结果中获得索引：

              [[ False,  False,  False,  False,  False, False],
               [ False,  True,   True,   True,   True,  False],
               [ False,  True,   False,  False,  True,  False],
               [ False,  True,   False,  False,  True,  False],
               [ False,  True,   True,   True,   True,  False],
               [ False,  False,  False,  False,  False, False]]

我使用了canny边缘检测，但它并不总是适用于在北/西南或北/东南邻居上只有一个0的元素。例如：

           B = [[ 1.,  0.,  0.],
               [ 1.,  0.,  0.],
               [ 1.,  1.,  1.]]

可能导致

                   [[ True,  False,  False],
                   [ True,   False,  False],
                   [ False,  True,   True]]

而不是

                       [[ True,  False,  False],
                       [ True,   False,  False],
                       [ True,   True,   True]]

谢谢

更新1：我尝试了第一个canny边缘检测表单scikit.image，但它忽略了元素。然后我尝试了np.gradient，得到了相同的结果

更新2：示例：

B=np.array([[1,1,1,0,0,0,0],
            [1,1,1,0,0,0,0],
            [1,1,1,1,0,0,0],
            [1,1,1,1,0,0,0],
            [1,1,1,1,1,0,0],
            [1,1,1,1,1,0,0],
            [1,1,1,0,0,0,0],
            [1,1,1,1,0,0,0]])

在本例中，canny边缘检测、梯度法和ndimage.laplace（下面的答案中提到的方法）都会导致相同的结果，缺少元素（图中的黄色）

更新2：

下面是循环方法

def check_8neigh_Value(arr,eltvalue, neighvalue):
   "checking if the element of value=eltvalue is surrounded 
    by the value=neighvalue and returning the corresponding grid"

   l, c = np.shape(arr)
   contour = np.zeros(np.shape(arr))
   for i in np.arange(1,l-1):
      for j in np.arange(1,c-1):
         window = arr[i-1:i+2, j-1:j+2]
         if np.logical_and(arr[i,j]==eltvalue,neighvalue in window):
            contour[i,j]=1

return contour

image=check_8neigh_Value(B,1,0)

它为我提供了我所需要的，但是它在大型阵列上效率不高

由于我不知道如何使用结果，因此我一直坚持采用“步履蹒跚”的方法：

对于使用数组B的3乘3窗口，我能够获得所需的B，但无法获得更多

window_h=3
window_w=3
l, c = image.shape
l_new, c_new = l - window_h + 1, c - window_w + 1
shape=[c_new, l_new, window_w, window_h]
strides=B.strides + B.strides
strided_image = np.lib.stride_tricks.as_strided(B,shape=shape,strides=strides)

---

这里有一种使用二进制腐蚀的方法：

import numpy as np
from scipy import ndimage

eroded = ndimage.binary_erosion(A, np.eye(3))
diff = (A - eroded).astype(np.bool)
print(repr(diff))
# array([[False, False, False, False, False, False],
#        [False,  True,  True,  True,  True, False],
#        [False,  True, False, False,  True, False],
#        [False,  True, False, False,  True, False],
#        [False,  True,  True,  True,  True, False],
#        [False, False, False, False, False, False]], dtype=bool)

您还可以获取输入数组的拉普拉斯算子，并找到负的位置：

lap = ndimage.laplace(A)
print(repr(lap < 0))
# array([[False, False, False, False, False, False],
#        [False,  True,  True,  True,  True, False],
#        [False,  True, False, False,  True, False],
#        [False,  True, False, False,  True, False],
#        [False,  True,  True,  True,  True, False],
#        [False, False, False, False, False, False]], dtype=bool)

lap=ndimage.laplace（A）
打印（重复（圈数<0））
#数组（[[False，False，False，False，False，False]，
#[假，真，真，真，真，假]，
#[假，真，假，假，真，假]，
#[假，真，假，假，真，假]，
#[假，真，真，真，真，假]，
#[False，False，False，False，False]]，dtype=bool）

您是否尝试过任何方法，或者只是在寻找答案？请查看此网站，以了解代码中使用的“滑动”或“移动”或“滚动”窗口功能。这是一个记录相对完整的领域。在你的情况下，八个邻居的总和将是一个很好的开始感谢信息南，有一个链接到你提到的网站吗？聪明的想法与侵蚀！对于一些性能改进，我想我们可以坚持使用布尔数组并执行类似的操作：

A.astype（bool）&~discreated

。感谢各位的回答，但不幸的是，这种方法没有提供我想要的。我用一个新的例子更新了上面的问题